国内,基于Hadoop对影视评论情感分析的研究起步较晚,但发展迅速。早期的研究主要集中在情感分析算法的改进和优化上,如利用深度学习技术提高情感分析的准确率。近年来,随着大数据技术的普及,越来越多的研究开始关注如何利用Hadoop对大规模影视评论数据进行处理和分析。
其中,一些研究着重于情感分析模型的构建和优化。例如,司品印,齐亚莉,王晶等(2023)提出了一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的情感分析模型,该模型能够有效地从影视评论中提取情感特征,并准确判断情感倾向[1]。武玲梅,李秋萍,黄秀芳等(2023)则进一步将深度学习技术与传统的机器学习算法相结合,提高了情感分析的精度和泛化能力[3]。
另外一些研究则关注如何利用Hadoop进行大规模影视评论数据的处理和分析。例如,朱毓等(2023)提出了一种基于Hadoop的分布式情感分析框架,该框架能够高效地处理大规模的影视评论数据,并支持实时分析和结果输出[4]。魏子钦等(2022)则进一步探讨了如何利用Hadoop进行数据的预处理、特征提取和情感分析结果的汇总,提高了数据处理和分析的效率[16]。